汽车数据分析

背景介绍：

我们采用的数据是：根据汽车的多种细节，如：车门数量，后备箱大小，维修成本等，来确定汽车质量。
最后的分类目的是把车辆的质量分为4中类型，不达标，达标，良好，优秀。点击： [ 数据集下载

](https://archive.ics.uci.edu/ml/datasets/Car+Evaluation)

第一步：读取数据

我们的数据存放在一个txt文件中。

    def read_data(path):
    
        data = []
        with open(path) as trainData:
            lines_data = trainData.readlines()
            for line in lines_data:
                line_ = line.strip().split(',')
                line = line.strip('\n').split(',')
                data.append(line)
        return data
    if __name__ == '__main__':
        path = './data/car.data.txt'
        data = read_data(path)
        data = np.array(data)
        print(data)
        print(data.shape)

数据展示

1728条数据，6个特征

第二步：我们将数据中的字符转换为数字

    def process_data(data):
        # 预处理数据
    
        # 1.将字符串转化为数字
        label_code = []
        X_encoded = np.empty(data.shape)
        for i, item in enumerate(data[1]):
            label_code.append(preprocessing.LabelEncoder())
            X_encoded[:, i] = label_code[-1].fit_transform(data[:, i])
        X = X_encoded[:, : -1].astype(np.int)
        y = X_encoded[:, -1].astype(np.int)
        return X, y
    
    if __name__ == '__main__':
        path = './data/car.data.txt'
        data = read_data(path)
        data = np.array(data)
        # print(data)
        # print(data.shape)
        # 下一步 我们将字符串转换数字
        X, y = process_data(data)
[/code]

我们此处通过LabelEncoder()进行转换

###  第三步：建立模型进行训练

此处采用随机森林，用100个基分类器

```code
    def model(X, y):
        rf = RandomForestClassifier(n_estimators=100, max_depth=8, random_state=42)
        rf.fit(X, y)
        accuracy = cross_val_score(rf, X, y, scoring='accuracy', cv=3)
        print(accuracy)
    
    if __name__ == '__main__':
        path = './data/car.data.txt'
        data = read_data(path)
        data = np.array(data)
        # print(data)
        # print(data.shape)
        # 下一步 我们将字符串转换数字
        X, y = process_data(